數(shù)字腦——計(jì)算解剖學(xué)方法及GPU技術(shù)應(yīng)用的研究.pdf

1、隨著人腦成像技術(shù)的發(fā)展，腦成像在腦科學(xué)和神經(jīng)科學(xué)，神經(jīng)外科等研究中具有越來(lái)越重要的地位。為對(duì)從個(gè)體人腦數(shù)據(jù)到人群中腦數(shù)據(jù)進(jìn)行形態(tài)和功能的分析、比較，迫切需要研究數(shù)學(xué)方法和有效的計(jì)算手段，計(jì)算解剖學(xué)這一學(xué)科應(yīng)運(yùn)而生。針對(duì)人腦數(shù)據(jù)的計(jì)算神經(jīng)解剖學(xué)重點(diǎn)研究的內(nèi)容包括人腦圖譜的建模、形變模型、結(jié)構(gòu)和功能的映射分析等幾大問(wèn)題的數(shù)學(xué)和計(jì)算方法。本文主要研究了計(jì)算神經(jīng)解剖學(xué)中若干個(gè)重要問(wèn)題，即人腦圖像中的結(jié)構(gòu)和解剖標(biāo)記點(diǎn)的提取、基于彈性模型的人腦形變

2、配準(zhǔn)技術(shù)、人腦皮層圖像的解剖分塊方法，最后研究了可編程GPU(圖形處理器)技術(shù)在數(shù)字腦可視化和圖像快速處理中的應(yīng)用。 在人腦MRI圖像的分割方面。針對(duì)腦與非腦組織的分割問(wèn)題，分別使用較為簡(jiǎn)單的邊界分割方法和基于分水嶺的方法實(shí)現(xiàn)腦與非腦組織的分割。對(duì)腦組織的皮質(zhì)分割，實(shí)現(xiàn)了一個(gè)基于概率圖譜的模糊聚類(lèi)方法，并研究了圖像中的組織灰度不均勻性對(duì)分割的影響。在人腦解剖標(biāo)記點(diǎn)提取方面，闡述了基于等值面曲率模型的數(shù)學(xué)方法，并實(shí)驗(yàn)驗(yàn)證半自動(dòng)方法

3、提取標(biāo)記點(diǎn)，為后續(xù)的圖像配準(zhǔn)提供對(duì)應(yīng)的解剖標(biāo)記點(diǎn)。 對(duì)人腦圖像的彈性配準(zhǔn)的有限元計(jì)算方法首先闡述了其離散化的方法，并對(duì)二維圖像的網(wǎng)格剖分提出了一個(gè)與圖像特征相關(guān)的網(wǎng)格劃分算法，使得網(wǎng)格具有一定的圖譜特征。同時(shí)利用解剖標(biāo)記點(diǎn)作為預(yù)先的圖像剛性初配準(zhǔn)，并作為有限元計(jì)算的位移條件加快計(jì)算的收斂速度和精度。 人腦皮層體數(shù)據(jù)圖像是由腦的溝回組成的有復(fù)雜形態(tài)的解剖結(jié)構(gòu)，對(duì)其按功能和解剖特征分塊在fMRI數(shù)據(jù)分析和皮層腦溝回的自動(dòng)識(shí)別

4、方面都具有重要意義。我們提出了基于測(cè)地距離的K-均值空間聚類(lèi)算法，提出聚類(lèi)中心點(diǎn)的快速估計(jì)方法。從而實(shí)現(xiàn)了人腦皮層數(shù)據(jù)的與近似解剖特征的皮層分塊。 為提高數(shù)字腦體繪制的成像質(zhì)量和加快圖像處理，我們實(shí)現(xiàn)了一套基于可編程GPU的可視化和圖像處理的基本應(yīng)用框架。提出了補(bǔ)償體繪制質(zhì)量的幾種方法。對(duì)大規(guī)模體繪制問(wèn)題，我們提出了基于矢量量化壓縮后的體數(shù)據(jù)進(jìn)行實(shí)時(shí)解碼和繪制，從而為大規(guī)模體數(shù)據(jù)的繪制帶來(lái)了新的基于硬件的快速方法。對(duì)GPU作為一